Une nouvelle méthode de combinaison d'outils d'identification non supervisés
Résumé
La connaissance de l’interactome, le réseau complet des interactions protéine-protéine d’un organisme donné, requiert la mise en œuvre de méthodes de détection d’interaction encore peu fiables. Une approche séduisante consiste à combiner les résultats de méthodes différentes afin de diminuer les taux de faux positifs et de faux négatifs. Dans ce papier, nous présentons une méthode originale non paramétrique dans ce but. L’idée fondamentale est de considérer un ensemble de fonctions d’évaluation des données d’apprentissage et de comparer les tris qu’elles produisent. Grâce à une nouvelle mesure de corrélation entre paires de tris, nous pouvons mesurer la différence de corrélation observée sur des échantillons différents. Un processus itératif de construction de nouvelles fonctions d’évaluation à partir des fonctions de base permet progressivement de mettre les données correspondant à ces interactions en tête de classement et ainsi de les identifier.